Data Penelitian Pengaruh Profitabilitas terhadap Audit Delay

71

2. Data Penelitian

KODE PROFIT UMUR T.ASET A.DELAY 2011 ADES 8.18 17 12.66 79 CEKA 11.70 15 27.44 72 DLTA 21.79 27 20.36 87 ICBP 13.57 1 16.54 75 INDF 9.13 17 17.80 75 MYOR 7.33 21 29.52 39 ROTI 15.27 1 27.36 72 SKLT 2.79 18 26.09 75 STTP 4.57 15 27.56 96 ULTJ 5.89 21 28.41 86 2012 ADES 21.43 18 12.87 67 CEKA 5.68 16 27.66 70 DLTA 28.64 28 20.43 86 ICBP 12.86 2 16.69 70 INDF 8.06 18 17.90 70 MYOR 8.97 22 29.75 87 ROTI 12.38 2 27.82 37 SKLT 3.19 19 26.24 70 STTP 5.97 16 27.85 86 ULTJ 14.60 22 28.52 84 2013 ADES 12.62 19 13.00 73 CEKA 6.08 17 27.70 66 DLTA 31.20 29 20.58 86 ICBP 10.51 3 16.87 76 INDF 4.40 19 18.17 76 MYOR 10.44 23 29.90 85 ROTI 8.67 3 28.23 48 SKLT 3.79 20 26.43 78 STTP 7.78 17 28.02 86 ULTJ 11.56 23 28.66 83 2014 ADES 6.14 20 13.13 89 CEKA 3.19 18 27.88 85 DLTA 29.04 30 20.72 86 ICBP 10.16 4 17.03 71 INDF 5.99 20 18.27 71 MYOR 3.98 24 29.96 86 ROTI 8.80 4 28.39 79 SKLT 4.97 21 26.53 75 STTP 7.26 18 28.16 86 ULTJ 9.71 24 28.70 89 Universitas Sumatera Utara 72

3. Analisis Regresi

Universitas Sumatera Utara 73 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 40 Normal Parameters a,b Mean 0E-7 Std. Deviation 11.09020114 Most Extreme Differences Absolute .127 Positive .127 Negative -.116 Kolmogorov-Smirnov Z .806 Asymp. Sig. 2-tailed .534 a. Test distribution is Normal. b. Calculated from data. Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 64.239 4.593 13.985 .000 PROFIT -.017 .266 -.010 -.065 .949 .946 1.057 UMUR .736 .232 .473 3.172 .003 .946 1.057 a. Dependent Variable: A.DELAY Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .471 a .222 .180 11.38599 2.091 a. Predictors: Constant, UMUR, PROFIT b. Dependent Variable: A.DELAY Universitas Sumatera Utara 74 ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression 1367.065 2 683.533 5.273 .010 b Residual 4796.710 37 129.641 Total 6163.775 39 a. Dependent Variable: A.DELAY b. Predictors: Constant, UMUR, PROFIT Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 64.239 4.593 13.985 .000 PROFIT -.017 .266 -.010 -.065 .949 UMUR .736 .232 .473 3.172 .003 a. Dependent Variable: A.DELAY Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .471 a .222 .180 11.38599 2.091 a. Predictors: Constant, UMUR, PROFIT b. Dependent Variable: A.DELAY Universitas Sumatera Utara 75 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 40 Normal Parameters a,b Mean 0E-7 Std. Deviation 12.21745874 Most Extreme Differences Absolute .166 Positive .104 Negative -.166 Kolmogorov-Smirnov Z 1.048 Asymp. Sig. 2-tailed .222 a. Test distribution is Normal. b. Calculated from data. Universitas Sumatera Utara 76 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 70.777 4.786 14.787 .000 ZscorePROFIT -.504 2.599 -.040 -.194 .847 .614 1.630 ZscoreLN.T.ASET .795 2.165 .063 .367 .716 .885 1.130 ABSPRO.ASET 4.084 3.141 .266 1.300 .202 .625 1.599 a. Dependent Variable: A.DELAY Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .236 a .056 -.023 12.71633 1.957 a. Predictors: Constant, ABSPRO.ASET, ZscoreLN.T.ASET, ZscorePROFIT b. Dependent Variable: A.DELAY Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 70.777 4.786 14.787 .000 ZscorePROFIT -.504 2.599 -.040 -.194 .847 ZscoreLN.T.ASET .795 2.165 .063 .367 .716 ABSPRO.ASET 4.084 3.141 .266 1.300 .202 a. Dependent Variable: A.DELAY Universitas Sumatera Utara 77 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 40 Normal Parameters a,b Mean 0E-7 Std. Deviation 10.85977136 Most Extreme Differences Absolute .103 Positive .085 Negative -.103 Kolmogorov-Smirnov Z .654 Asymp. Sig. 2-tailed .785 a. Test distribution is Normal. b. Calculated from data. Universitas Sumatera Utara 78 Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 79.488 3.108 25.578 .000 ZscoreUMUR 5.573 1.848 .443 3.016 .005 .960 1.042 ZscoreLN.T.ASET -1.497 1.975 -.119 -.758 .453 .840 1.191 ABSUMUR.ASET -2.920 2.424 -.192 -1.205 .236 .813 1.230 a. Dependent Variable: A.DELAY Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .504 a .254 .192 11.30321 2.193 a. Predictors: Constant, ABSUMUR.ASET, ZscoreUMUR, ZscoreLN.T.ASET b. Dependent Variable: A.DELAY Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 79.488 3.108 25.578 .000 ZscoreUMUR 5.573 1.848 .443 3.016 .005 ZscoreLN.T.ASET -1.497 1.975 -.119 -.758 .453 ABSUMUR.ASET -2.920 2.424 -.192 -1.205 .236 a. Dependent Variable: A.DELAY Universitas Sumatera Utara 68 DAFTAR PUSTAKA Astuti, Christina Dwi. 2007. Faktor-faktor yang berpengaruh terhadap ketepatan waktu pelaporan keuangan ”. Jurnal Informasi, Perpajakan, Akuntansi dan Keuangan Publik Volume 2, No. 1, Januari, Hal. 27-42. Bapepam. “Kewajiban Penyampaian Laporan Berkala Oleh Perusahaan Efek”, Juli, Kep-06BL2011 Dewi, Karina Mutiara, dan Sugeng Pamudji. 2013, Analisis Faktor-Faktor Yang Mempengaruhi Ketepatan Waktu dan Audit Delay Penyampaian Laporan Keuangan Studi Empiris pada Perusahaan Manufaktur Yang Terdaftar di BEI Periode 2007-2011.Fakultas Ekonomika dan Bisnis. Erlina, 2008. Metodologi Penelitian Bisnis : Untuk Akuntansi dan Manajemen, Edisi Revisi, USU Press, Medan. Ghozali, Imam. 2009, Aplikasi Analisis Multivariate dengan Program SPSS, edisi 4, Cetakan keempat, Semarang: Badan Penerbit UNDIP. Indra, Novelia S. dan Dicky Arisudhana. 2011. Faktor-faktor yang Mempengaruhi Audit Delay pada Perusahaan Go Public di Indonesia Studi Empiris pada Perusahaan Property dan Real Estate di Bursa Efek Indonesia periode 2007- 2010. Universitas Budi Luhur. Jakarta. Kartika, Andi. 2009. “Faktor-Faktor yang Mempengaruhi Audit Delay di Indonesia Studi Empiris Pada Perusahaan-Perusahaan LQ 45 yang Terdaftar di Bursa Efek Jakarta ”, Jurnal Bisnis dan Ekonomi, Volume 16, No 1 Maret Hal 1-17. Lestari, Dewi.2010. “Analisis Faktor-Faktor Yang Mempengaruhi Audit Delay Pada Perusahaan Consfumer Goods”. Fakultas Ekonomi Diponogoro. Semarang. Mulyadi. 2002. Auditing Buku 1, Edisi Keenam. Jakarta : Salemba Empat. Pernyataan Standar Akuntansi Keuangan No. 1 Revisi 2009 Penyajian Laporan Keuangan. Dewan Standar Akuntansi Keuangan-Ikatan Akuntansi Indonesia, Jakarta. Rachmawati, Sistya. 2008. “Pengaruh Faktor Internal dan Eksternal Perusahaan Terhadap Audit Delay dan Timeliness”,Jurnal Akuntansi dan Keuangan, Volume 10, No 1 Mei Hal 1-10. Universitas Sumatera Utara 69 Rahayu, Siti Kurnia.2010. “Auditing Konsep Dasar dan Pedoman Pemeriksaan Akuntan Publik”.Graha Ilmu: Yogyakarta. Saleh, R, 2004. Studi Empiris Ketepatan Waktu Pelaporan Keuangan Perusahaan Manufaktur di Bursa Efek Jakarta, Simposium Nasional Akuntansi VII Ikatan Akuntan Indonesia. Sugiyono, 2006. Metode Penelitian Bisnis, CV. Alfabeta, Bandung. Sulthoni, Mochamad. 2012. “Determinan Audit Delay dan Pengaruhnya Terhadap Reaksi Investor”. Jurnal Akuntansi dan Ekonomi Bisnis Vol.1 No.1 Tahun 2012. Supranoto. 1990. Prinsip-Prinsip Akuntansi. Edisi 14, cetakan ketiga. Jakarta: Penerbit Erlangga. Trianto, Yugo. 2006. Faktor-Faktor yang Berpengaruh terhadap Audit Delay Studi Empiris pada PerusahaanPerusahaan Go Public di Bursa Efek Indone sia, Skripsi, Universitas Pembangunan Nasional “Veteran” Yogyakarta. Utami, Wiwik.2006.“Analisis Determinan Audit Delay Kajian Empiris Di Bursa Efek Jakarta”, Buletin Penelitian No.09. Wirakusuma, Made Ge de. 2004. ”Faktor-Faktor Yang Mempengaruhi Rentang Waktu Penyajian Laporan Keuangan ke Publik”, Simposium Nasional Akuntansi VII: 1202-1222. www.idx.co.id www.sahamok.com Universitas Sumatera Utara 24

BAB III METODE PENELITIAN

3.1. Jenis Penelitian

Jenis penelitian yang dilakukan bersifat kausal. Kausal merupakan penelitian yang bertujuan untuk mengetahui atau membuktikan hubungan sebab dan akibat atau hubungan mempengaruhi dan dipengaruhi dari variabel-variabel yang diteliti.

3.2. Tempat dan Waktu Penelitian

Penelitian ini di lakukan terhadap perusahaan makanan dan minuman yang terdaftar di Bursa Efek Indonesia selama tahun 2011-2014 dengan mengakses situs www.idx.co.id.

3.3. Definisi Operasional Variabel

Menurut Erlina 2008 “defenisi operasional yaitu menjelaskan karakteristik dari objek ke dalam elemen-elemen yang dapat diobservasi yang menyebabkan konsep dapat diukur dan dioperasionalkan ke dalam penelitian”. Variable dalam penelitian ini dapat diklasifikasikan menjadi 3 yaitu: Variabel independen, variabel dependen dan variabel moderator.

3.3.1. Variabel Bebas

Variabel bebas independent variable adalah variabel yang menyebabkan atau mempengaruhi faktor-faktor yang diukur, dimanipulasi atau dipilih oleh peneliti untuk menentukan hubungan antara fenomena Universitas Sumatera Utara 25 yang diobservasi atau diamati. Variabel independen yang digunakan dalam penelitian ini adalah profitabilitas dan umur perusahaan. a. Profitabilitas Profitabilitas adalah kemampuan perusahaan menghasilkan laba, baikdalam hubungannya dengan penjualan, aset maupun modal saham tertentu. Perusahaan yang tingkat profitabilitasnya tinggi diduga waktu yang diperlukan untuk menyelesaikan auditnya akan lebih pendek. Dalam penelitian ini, profitabilitas diukur dengan return on assets ROA. b. Umur Perusahaan Umur perusahaan menunjukkan lamanya waktu keberadaan perusahaan hingga saat penelitian dilakukan. Dalam hal ini umur perusahaan diukur dengan selisih periode awal berdirinya perusahaan dengan tahun penelitian Astuti, 2007. Umur Perusahaan = Tahun Penelitian – Tahun IPO

3.3.2. Variabel Terikat

Variabel terikat dependent variable adalah faktor-faktor yang diobservasi dan diukur untuk menentukan adanya pengaruh variabel bebas, yaitu faktor yang muncul, tidak muncul, atau berubah sesuai dengan yang diperkenalkan oleh peneliti. Universitas Sumatera Utara 26 Variabel dependen yang digunakan dalam penelitian ini adalah audit delay yang diukur dengan satuan hari. Pengertian audit delay adalah adanya masa tenggang yang cukup panjang yaitu jumlah hari antara tanggal penutupan tahun buku sampai tanggal penandatanganan laporan auditan. Selain itu, audit delay juga dapat diartikan sebagai lamanya waktu penyelesaian yang diukur dari tanggal penutupan tahun buku hingga tanggal diterbitkannya laporan audit. Variabel ini diukur secara kuantitatif dalam jumlah hari.

3.3.3. Variabel Moderator

Variabel moderator adalah faktor-faktor atau aspek-aspek yang diukur, dimanipulasi, atau dipilih oleh peneliti untuk menentukan apakah variabel tersebut mengubah hubungan antara variabel bebas dan variabel terikat. Variabel moderating yang digunakan dalam penelitian adalah ukuran perusahaan.Ukuran Perusahaan dapat diartikan sebagai suatu skala yang dapat diklasifikasikan sebagai besar kecil perusahaan dengan berbagai cara antara lain dinyatakan dalam total aktiva, nilai pasar saham, dan lain-lain. Dalam penelitian ini, ukuran perusahaan diproksi dengan menggunakan logaritma. Untuk lebih jelasnya, operasionalisasi dan pengukuran variabel yang diteliti dalam penelitian ini ditunjukkan pada Tabel 3.1 Universitas Sumatera Utara 27 Tabel 3.1 Definisi Operasional dan Skala Pengukuran Variabel No Variabel Penelitian Definisi Operasional Parameter Skala 1 Variabel Dependen: Audit Delay Lamanya waktu penyelesaian audit dari akhir tahun fiskal perusahaan sampai tanggal laporan audit dikeluarkan. Jumlah hari antara tanggal penutupan tahun buku sampai dengan diterbitkannya laporan audit Rasio 2 Variabel Independen: Profitabilitas Kemampuan perusahaan dalam menghasilkan laba. Rasio 3 Umur Perusahaan Menunjukkan lamanya waktu keberadaan perusahaan hingga saat penelitian dilakukan. Selisih periode awal berdirinya perusahaan dengan tahun penelitian Nominal 4 Variabel Moderating: Ukuran Perusahaan Besar kecilnya perusahaan klien dilihat dari total aset yang dimilikinya. Ln Total Aset Rasio

3.4. Populasi dan Sampel Penelitian

Populasi merupakan sekelompok entitas yang lengkap yang dapat berupa orang, kejadian, atau benda yang mempunyai karakteristik tertentu, yang berada dalam suatu wilayah dan memenuhi syarat-syarat tertentu yang berkaitan dengan masalah penelitian. Populasi dalam penelitian ini adalah perusahaan Makanan dan Minuman yang terdaftar di Bursa Efek Indonesia, dimana perusahaan tersebut memiliki laporan keuangan pada periode 2011 hingga 2014. Universitas Sumatera Utara 28 Metode penentuan sampel dalam penelitian ini dilakukan dengan pendekatan non probability sampling, khususnya metode purposive sampling yaitu teknik sampling dengan metode pengambilan sampel secara tidak acak tetapi berdasarkan atas tujuan dan kriteria tertentu. Adapun kriteria penentuan sampel dalam penelitian ini adalah : 1. Perusahaan Makanan Dan Minuman yang terdaftar di Bursa Efek Indonesia tahun 2011-2014 2. Mempublikasikan laporan keuangan yang telah di audit oleh auditor independen tahun 2011-2014 secara berturut-turut 3. Memiliki data yang lengkap terkait dengan variabel-variabel yang digunakan dalam penelitian tahun 2011-2014 Dari kriteria tersebut, maka perusahaan yang menjadi populasi penelitian sebanyak 15 perusahaan dan sampel penelitian ini sebanyak 10 perusahaan.Perusahaan tersebut adalah: Tabel 3.2 Populasi dan Sampel Penelitian No Kode Perusahaan Nama Perusahaan Kriteria Sampel 1 2 3 1 ADES Akasha Wira International Tbk    1 2 AISA Tiga Pilar Sejahtera Food Tbk  -  - 3 ALTO Tri Banyan Tirta Tbk  -  - 4 CEKA Cahaya Kalbar Tbk    2 5 DLTA Delta Djakarta Tbk    3 6 ICBP Indofood CBP Sukses Makmur Tbk    4 7 INDF Indofood Sukses Makmur Tbk    5 8 MLBI Multi Bintang Indonesia Tbk   - - 9 MYOR Mayora Indah Tbk    6 10 PSDN Prasidha Aneka Niaga Tbk  - - - 11 ROTI Nippon Indosari Corpindo Tbk    7 12 SKBM Sekar Bumi Tbk  -  - 13 SKLT Sekar Laut Tbk    8 Universitas Sumatera Utara 29 14 STTP Siantar Top Tbk    9 15 ULTJ Ultra Jaya Milk Industry Trading Company Tbk    10 Keterangan :  = Memenuhi kriteria - = Tidak memenuhi kriteria Jumlah sampel pada penelitian ini sebanyak 10 perusahaan dan tahun penelitian sebanyak 4 tahun. Maka total data adalah 40 data.

3.5. Jenis dan Sumber Data Penelitian

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang diperoleh seorang peneliti secara tidak langsung dari objeknya, tetapi melalui sumber lain, baik lisan maupun tulisan Data sekunder ini diambil dari website Bursa Efek Indonesia BEI dan refenrensi dari peneliti sebelumnya. Penelitian ini menggunakan pendekatan kuantitatif yang merupakan pengujian teori melalui pengukuran variabel penelitian dengan angka dan melakukan analisis data dengan prosedur statistik.

3.6. Metode Pengumpulan Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang diperoleh seorang peneliti secara tidak langsung dari objeknya, tetapi melalui sumber lain, baik lisan maupun tulisan. Data sekunder ini diambil dari website Bursa Efek Indonesia BEI dan refenrensi dari peneliti sebelumnya. Penelitian ini menggunakan pendekatan kuantitatif yang merupakan pengujian teori melalui pengukuran variabel penelitian dengan angka dan melakukan analisis data dengan prosedur statistik. Universitas Sumatera Utara 30

3.7. Teknik Analisis Data

Dalam melakukan analisis data digunakan metode deskriptif kuantitatif, yaitu dengan mengumpulkan, mengolah dan menginterpretasikan hasil yang diperoleh. Teknik yang digunakan dalam penelitian ini adalah teknik analisis statistik, yaitu uji asumsi klasik, pengujian hipotesis, analisis regresi berganda dan analisis regresi dengan variabel moderator.

3.7.1. Uji Asumsi Klasik

Sebelum melakukan pengujian hipotesis dan uji analisis regresi linear berganda, maka hal yang pertama dilakukan adalah uji asumsi klasik, yang bertujuan untuk mendapatkan nilai estimasi yang diperoleh bersifat BLUE Best, Linear, Unbiased, and Estimator, yang artinya nilai estimator yang terbaik, estimator yang linear, dan estimator yang tidak bias, maka data-data yang digunakan dalam analisis regresi terlebih dahulu akan diuji normalitas, uji multikolinearitas, uji heteroskedastisitas, dan uji autokorelasi. a. Uji Normalitas Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji ini berguna untuk tahap awal dalam metode pemilihan analisis data. Jika data normal, maka digunakan statistik parametrik, dan jika data tidak normal maka digunakan statistik nonparametrik atau lakukan treatment agar data normal. Data yang baik adalah data yang mempunyai pola seperti distribusi normal. Untuk melihat normalitas Universitas Sumatera Utara 31 dapat dilakukan dengan melihat histogram atau pola distribusi data normal. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari nilai residualnya. Dasar pengambilan keputusannya adalah: 1. Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau garis histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas, 2. Jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Dalam penelitian ini Peneliti menggunakan uji Kolmogorov- Smirnov K-S untuk menguji normalitas data. Uji K-S dibuat dengan membuat hipotesis: H0 : data residual berdistribusi normal, Ha : data residual tidak berdistribusi normal. b. Uji Multikolinieritas Menurut Ghozali 2009:91, uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Jika terjadi korelasi sempurna diantara sesama variabel bebas, maka konsekuensinya adalah: Universitas Sumatera Utara 32 a. Koefisien-koefisien regresi menjadi tidak dapat ditaksir, b. Nilai standar error setiap koefisien regresi menjadi tak terhingga. Ada tidaknya multikolinieritas dapat dideteksi dengan melihat nilai tolerance dan variance inflation factor VIF, serta dengan menganalisis matriks korelasi variabel-variabel independen. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah jika nilai tolerance0,1 atau sama dengan nilai VIF10, maka model dapat dikatakan terbebas dari multikolinearitas. c. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel pengganggu dari satu pengamatan dengan pengamatan yang lain. Menurut Ghozali 2009:125 Model regresi yang baik adalah yang homoskesdatisitas atau tidak terjadi heteroskedastisitas. Cara memprediksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari pola gambar Scatterplot. Analisis pada gambar Scatterplot yang menyatakan model regresi berganda tidak terdapat heteroskedastisitas jika: a. Titik-titik data menyebar di atas, di bawah atau di sekitar angka nol, b. Titik-titik data tidak mengumpul hanya di atas atau dibawah, c. Penyebaran titik-titik data tidak boleh membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali, Universitas Sumatera Utara 33 d. Penyebaran titik-titik data sebaiknya tidak berpola. d. Uji Autokorelasi Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear terdapat korelasi atau kesalahan pengganggu pada periode t dengan kesalahan periode t-1. Jika terjadi autokorelasi, maka terdapat problem autokorelasi. Menurut Ghozali 2009:99, autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan pada data time series. Pada data cross section, masalah autokorelasi relatif tidak terjadi. Uji yang digunakan dalam penelitian untuk mendeteksi ada tidaknya autokorelasi adalah dengan menggunakan uji Durbin-Watson DW. Kriteria untuk penilaian terjadinya autokorelasi yaitu: a. Nilai D-W lebih kecil dari -2 berarti ada korelasi positif, b. Nilai D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, c. Nilai D-W lebih besar dari +2 berarti ada autokorelasi negatif. 3.7.2.Pengujian Hipotesis a. Uji Statistik F Uji Simultan Menurut Ghozali 2009:88 pengujian hipotesis distribusi F pada model regresi berganda dilakukan untuk mengetahui pengaruh variabel bebas secara bersama-sama terhadap variabel terikat. Rumusan hipotesis yang diuji adalah sebagai berikut: Universitas Sumatera Utara 34 Terima H tolak H a bila F hitung ≤ F tabel , atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang signifikan secara serentak dari variabel bebas terhadap variabel terikat, tolak H terima H a bila F hitung F tabel , atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan secara serentak dari variabel bebas terhadap variabel terikat. b. Uji Statistik t Uji Parsial Menurut Ghozali 2009:88 uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat. Tujuan dari uji t adalah untuk menguji koefisien regresi secara individual. Rumusan Hipotesis yang akan diuji adalah sebagai berikut: H diterima bila t tabel t hitung , atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya tidak terdapat pengaruh yang signifikan dari variabel bebas secara parsial terhadap variabel terikat, H a diterima bila t hitung t tabel ,atau dapat dilihat dari nilai signifikansinya apabila 0.05; artinya terdapat pengaruh yang signifikan dari variabel bebas secara parsial terhadap variabel terikat. c. Pengujian Koefisien Determinan R 2 Menurut Ghozali 2009: 87 pengujian koefisien determinan dilakukan untuk melihat seberapa besar pengaruh variabel bebas terhadap variabel terikat. Pengujian ini dilakukan dengan melihat nilai koefisien determinan. Koefisien determinan R 2 merupakan besaran non negatif dan Universitas Sumatera Utara 35 besarny a koefisien determinasi adalah 0≤R2≤1. Jika koefisien determinan bernilai 0, maka tidak ada hubungan antara variabel bebas dengan variabel terikat. Sebaliknya jika koefisien determinan bernilai 1, maka ada keterikatan sempurna antara variabel bebas dengan variabel terikat. Uji Determinasi, untuk melihat besarnya kontribusi pengaruh variabel bebas dan variabel terikat dapat dihitung dengan rumus: D = r 2 x 100 . 3.7.3. Analisis Regresi Linear Berganda Analisis regresi linier berganda digunakan dengan maksud meramalkan bagaimana keadaan naik-turunnya variabel dependen bila dua atau lebih variabel independen dimanipulasi Sugiyono, 2006:210. Analisis ini menggunakan teknik analisis statistik SPSS dengan metode analisis regresi linear berganda.Dalam model ini dinyatakan laporan audit wajar tanpa pengecualian dan audit report lag berpengaruh terhadap harga saham. Pengujian terhadap model tersebut dengan mengidentifikasi nilai dan probabilitas b1 adalah sebagai berikut: Y = a + b1X 1 + b 2 X 2 e Dimana: Y = Audit Delay X 1 = Profitabilitas X 2 = Umur Perusahaan a = Konstanta b = Koefisien regresi e = Standard Error Universitas Sumatera Utara 36

3.7.4. Analisis Regresi dengan Variabel Moderating

Dalam penelitian ini, metode yang digunakan untuk melakukan uji regresi dengan variabel moderator adalah Moderated Regression Analysis atau uji interaksi. Menurut Ghozali 2009:164, Moderated Regression Analysis MRA merupakan aplikasi khusus regresi berganda linear dimana dalam persamaan regresinya mengandung unsur interaksi perkalian dua atau lebih variabel independen dengan rumus persamaan sebagai berikut : Y = a1+ b1X1+ b3X3+ b5X1X3+ e1 Y = a2+ b2X2+ b4X3+ b6X2X3+ e2 Dimana : Y = Audit Delay a = Konstansta b = Koefisien regresi X1 = Profitabilitas X2 = Umur Perusahaan X3 = Ukuran Perusahaan e = Standard error Jika variabel X3 merupakan variabel moderating, maka koefisien b5 dan b6 harus signifikan pada tingkat signifikansi yang ditentukan. Apabila variabel X3 semakin tinggi maka akan berpengaruh terhadap tingginya variabel Y. Universitas Sumatera Utara 37

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1. Hasil Penelitian 4.1.1. Analisis Deskriptif Pada bagian analisis deskriptif akan digambarkan data dari masing- masing variabel yang telah diolah berdasarkan nilai minimun, maksimum, rata-rata, dan standar deviasi. Variabel dalam penelitian ini adalah profitabilitas X1, umur perusahaan X2, dan Audit Delay Y serta variabel moderasi yaitu Ukuran Perusahaan Z. Hasil pengujian statistik deskriptif dapat dilihat pada Tabel 4.1 berikut ini: Tabel 4.1 Analisis Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation PROFIT 40 2.79 31.20 10.4573 7.06103 UMUR 40 1.00 30.00 16.8000 8.08037 LN.T.ASET 40 12.66 29.96 23.6450 5.78069 Valid N listwise 40 Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan Tabel 4.1 dapat dijelaskan bahwa rata-rata profitabilitas yang diukur dengan Return on Asset ROA adalah 10.4573, nilai maksimum 31.20, dan nilai minimum 2.79; kemudian rata-rata umur perusahaan adalah 16 tahun, dengan nilai maksimum 30 tahun, dan nilai minimum 1 tahun; dan nilai rata-rata Logaritma Natural Total Aset Ln Total Asset untuk mengukur Ukuran Perusahaan adalah 23.6450, dengan nilai maksimum 29.96 dan nilai minimum 12.66. Universitas Sumatera Utara 38 4.1.2 Uji Analisis Regresi Berganda 4.1.2.1 Uji Asumsi Klasik Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.1. Gambar 4.1 Grafik Histogram Universitas Sumatera Utara 39 Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan gambar 4.1 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.2 berikut: Gambar 4.2 Grafik Normal P-Plot Berdasarkan grafik profitabilitas pada gambar 4.2 di atas menunjukkan bahwa data telah terdistribusi secara normal karena Universitas Sumatera Utara 40 distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05. Tabel 4.2 Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 40 Normal Parameters a,b Mean 0E-7 Std. Deviation 11.09020114 Most Extreme Differences Absolute .127 Positive .127 Negative -.116 Kolmogorov-Smirnov Z .806 Asymp. Sig. 2-tailed .534 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan hasil uji normalitas dengan Kolmogorov- Smirnovdiatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.534 dan nilai Kolmogorov-Smirnov Z sebesar 0.806. b. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika Universitas Sumatera Utara 41 variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis. 1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.3 berikut: Gambar 4.3 Grafik Scatterplot Universitas Sumatera Utara 42 Sumber: Hasil Pengolahan SPSS Mei 2016 Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan. c. Uji Multikolinearitas Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor VIF dan Tolerance. Tabel 4.3 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardize d Coefficients Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 64.239 4.593 PROFIT -.017 .266 -.010 .946 1.057 UMUR .736 .232 .473 .946 1.057 a. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam Universitas Sumatera Utara 43 penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan tabel 4.3. diatas diketahui masing-masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas. d. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya. Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi terpenuhi. Adapun kriteria dalam penentuan autokorelasi adalah sebagai berikut : 1 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi. 2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive. Universitas Sumatera Utara 44 3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non Autokorelasi. Tabel 4.5 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel DW menunjukkan bahwa dengan n = 40, K = 2, maka akan diperoleh nilai dl = 1.3908 dan du = 1.6000 dan 4-du = 4 – 1.6000 = 2.4000. Hasil pengujian autokorelasi dapat dilihat pada tabel berikut: Tabel 4.4 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .471 a .222 .180 11.38599 2.091 a. Predictors: Constant, UMUR, PROFIT b. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan hasil pengujian Durbin-Watson dengan SPSS maka diperoleh nilai Durbin-Watson sebesar 1.3908 2.091 2.4000 yang berarti berdasarkan kriteria Durbin-Watson hasil tersebut tidak terjadi autokorelasi.

4.1.2.2. Uji Hipotesis

a. Uji Simultan Uji F Uji F dilakukan untuk mengetahui pengaruh seluruh variabel independen yakni profitabilitas dan umur perusahaan terhadap audit delay secara bersama-sama, yang ditunjukkan pada Tabel 4.5 berikut ini: Universitas Sumatera Utara 45 Tabel 4.5 Uji Simultan Uji F ANOVA a Model Sum of Squares df Mean Square F Sig. 1 Regression 1367.065 2 683.533 5.273 .010 b Residual 4796.710 37 129.641 Total 6163.775 39 a. Dependent Variable: A.DELAY b. Predictors: Constant, UMUR, PROFIT Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan Tabel 4.5 diketahui bahwa secara bersama- sama, seluruh variabel independen yaitu profitabilitas dan umur perusahaan berpengaruh secara positif dan signifikan terhadap audit delay. Hal ini dapat dibuktikan dengan nilai F hitung sebesar 5.273 yang lebih besar dari nilai F tabel yaitu sebesar 3.24 dan nilai signifikansi 0.010 lebih kecil dari 0.05, sehingga disimpulkan bahwa profitabilitas dan umur perusahaan berpengaruh positif dan signifikan terhadap audit delay. b. Uji Parsial Uji-t Uji t dilakukan untuk menguji pengaruh pada masing-masing variabel independen profitabilitas dan umur perusahaan terhadap audit delay. Untuk menguji pengaruh parsial tersebut dapat dilakukan dengan cara berdasarkan nilai signifikansi. Jika nilai signifikansi lebih kecil dari 0.05 atau 5 maka hipotesis yang diajukan diterima atau dikatakan signifikan namun apabila nilai signifikansi lebih besar dari 0.05 atau 5 maka hipotesis ditolak atau dikatakan tidak signifikan. Universitas Sumatera Utara 46 Hasil uji t dapat dilihat pada Tabel 4.6 berikut: Tabel 4.6 Uji Parsial Uji-t Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 64.239 4.593 13.985 .000 PROFIT -.017 .266 -.010 -.065 .949 UMUR .736 .232 .473 3.172 .003 a. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan Tabel 4.6 dapat disimpulkan bahwa nilai t hitung variabel profitabilitasadalah sebesar -0.065 1.685 dan nilai signifikansi 0.949 0.05 yang berarti profitabilitas berpengaruh negatif namun tidak signifikan terhadap audit delay. Berdasarkan Tabel 4.6 juga dapat disimpulkan bahwa nilai t hitung variabel umur perusahaan adalah 3.172 1.685 dan nilai signifikansi 0.003 0.05 yang berarti bahwa umur perusahaan berpengaruh positif dan signifikan terhadap audit delay. Tabel 4.6 juga menunjukkan mengenai model regresi berganda yang digunakan, yaitu: Y = 64.239 – 0.017X1 + 0.736X2 + e Nilai 64.239 menunjukkan bahwa apabila nilai profitabilitas dan umur perusahaan adalah konstan, maka rata-rata audit delay perusahaan adalah 64.239 hari, kemudian nilai -0.017 menunjukkan bahwa peningkatan profitabilitas perusahaan sebanyak 1 satuan akan menurunkan audit delay sebanyak 0.017 satuan, kemudian 0.736 Universitas Sumatera Utara 47 menunjukkan bahwa apabila umur perusahaan meningkat sebanyak 1 satuan maka akan meningkatkan audit delay sebanyak 0.736 satuan. c. Uji Koefisien Determinasi Uji R Uji koefisien determinasi R 2 ini digunakan untuk menggambarkan kemampuan model menjelaskan variasi yang terjadi dalam variabel dependen. Koefisien determinasi R 2 dinyatakan dalam persentase. Nilai yang mendeakati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Besarnya nilai koefisien determinasi R 2 dapat dilihat pada Tabel 4.7 berikut: Tabel 4.7 Uji Koefisien Determinasi Uji R Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .471 a .222 .180 11.38599 2.091 a. Predictors: Constant, UMUR, PROFIT b. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan tabel diatas menunjukkan koefisien korelasi R dan koefisien determinasi R 2 . Nilai R menunjukkan tingkat hubungan antar variabel-variabel independen dengan variabel dependen. Dari hasil olah data diperoleh nilai koefisien korelasi sebesar 0.471 atau sebesar 41.7 artinya hubungan antara variabel profitabilitas dan umur perusahaan dengan audit delay adalah cukup erat. Berdasarkan tabel diatas ditunjukkan nilai R 2 . Dari hasil perhitungan nilai R 2 sebesar 0.222 atau sebesar 22.2 artinya 22.2 Universitas Sumatera Utara 48 variabel audit delay dipengaruhi oleh profitabilitas dan umur perusahaan. 4.1.3. Uji Analisis Regresi I dengan Variabel Moderasi 4.1.3.1. Uji Asumsi Klasik Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.4. Universitas Sumatera Utara 49 Gambar 4.4 Grafik Histogram Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan gambar 4.4 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.5 berikut: Universitas Sumatera Utara 50 Gambar 4.5 Grafik Normal P-Plot Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan grafik profitabilitas pada gambar 4.5 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05. Universitas Sumatera Utara 51 Tabel 4.8 Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 40 Normal Parameters a,b Mean 0E-7 Std. Deviation 12.21745874 Most Extreme Differences Absolute .166 Positive .104 Negative -.166 Kolmogorov-Smirnov Z 1.048 Asymp. Sig. 2-tailed .222 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan hasil uji normalitas dengan Kolmogorov- Smirnov Data Asli diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.222 dan nilai Kolmogorov-Smirnov Z sebesar 1.048. b. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis. 1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian Universitas Sumatera Utara 52 menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.6 berikut: Gambar 4.6 Grafik Scatterplot Sumber: Hasil Pengolahan SPSS Mei 2016 c. Uji Multikolinearitas Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya Universitas Sumatera Utara 53 multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor VIF dan Tolerance. Tabel 4.9 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardize d Coefficients Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 Constant 70.777 4.786 ZscorePROFIT -.504 2.599 -.040 .614 1.630 ZscoreLN.T.ASET .795 2.165 .063 .885 1.130 ABSPRO.ASET 4.084 3.141 .266 .625 1.599 a. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. d. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya. Jika terjadi korelasi dinamakan ada masalah Universitas Sumatera Utara 54 autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi terpenuhi. Adapun kriteria dalam penentuan autokorelasi adalah sebagai berikut : 1 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi. 2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive. 3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non Autokorelasi. Tabel 4.11 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel DW menunjukkan bahwa dengan n = 40, K = 2, maka akan diperoleh nilai dl = 1.3908 dan du = 1.6000 dan 4-du = 4 – 1.6000 = 2.4000. Tabel 4.10 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .236 a .056 -.023 12.71633 1.957 a. Predictors: Constant, ABSPRO.ASET, ZscoreLN.T.ASET, ZscorePROFIT b. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Universitas Sumatera Utara 55 Berdasarkan hasil pengujian autokorelasi dengan menggunakan SPSS diketahui bahwa nilai durbin-watson adalah 1.3908 1.957 2.4000 yang berarti berdasarkan kriteria tersebut tidak terjadi autokorelasi. 4.1.3.2. Uji Hipotesis Hasil pengujian regresi linear pengaruh profitabilitas terhadap audit delay dengan ukuran perusahaan sebagai variabel moderasi menggunakan metode nilai selisih mutlak yang ditunjukkan pada Tabel 4.11 berikut: Tabel 4.11 Uji Analisis Regresi dengan Variabel Moderasi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 70.777 4.786 14.787 .000 ZscorePROFIT -.504 2.599 -.040 -.194 .847 ZscoreLN.T.ASET .795 2.165 .063 .367 .716 ABSPRO.ASET 4.084 3.141 .266 1.300 .202 a. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Hasil pengujian menunjukkan model regresi sebagai berikut: AUDIT DELAY = 70.777 -0.504ZscoreProfit + 0.795ZscoreLn.T.Aset + 4.084AbsProfit.Aset + e Dari persamaan regresi tersebut maka dapat dianaliis bahwa variabel ukuran perusahaan yang diukur dengan Ln Total Aset sebagai variabel moderasi tidak mampu memoderasi hubungan Universitas Sumatera Utara 56 antara profitabilitas dengan audit delay karena signifikansi 0.202 0.05. 4.1.4. Uji Analisis Regresi dengan Variabel Moderasi 4.1.4.1. Uji Asumsi Klasik Uji asumsi klasik dilakukan untuk mengetahui kondisi data yang digunakan dalam sebuah penelitian. Hal ini dilakukan agar diperoleh model analisis yang tepat untuk digunakan dalam penelitian ini. Adapun uji asumsi klasik yang dilakukan meliputi; Uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. a. Uji Normalitas Uji normalitas dilakukan untuk mengetahui apakah data yang digunakan memiliki distribusi normal atau mendekati normal dengan melihat normal probability plot. Uji normalitas yang pertama dilakukan adalah berdasarkan grafik secara histogram yang terlihat pada gambar 4.7. Universitas Sumatera Utara 57 Gambar 4.7 Grafik Histogram Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan gambar 4.7 terlihat bahwa pola distribusi normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dan distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat normal probability plot dapat dilihat dalam gambar 4.8 berikut: Universitas Sumatera Utara 58 Gambar 4.8 Grafik Normal P-Plot Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan grafik profitabilitas pada gambar 4.8 di atas menunjukkan bahwa data telah terdistribusi secara normal karena distribusi data residualnya mengikuti arah garis diagonal garis normal. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan melakukan uji Kolmogorov-Smirnov. Data yang terdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0.05. Sedangkan, data yang tidak berdistribusi normal ditunjukkan dengan nilai signifikansi dibawah 0.05. Universitas Sumatera Utara 59 Tabel 4.12 Uji Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 40 Normal Parameters a,b Mean 0E-7 Std. Deviation 10.85977136 Most Extreme Differences Absolute .103 Positive .085 Negative -.103 Kolmogorov-Smirnov Z .654 Asymp. Sig. 2-tailed .785 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan hasil uji normalitas dengan Kolmogorov- Smirnov Data Asli diatas, terlihat bahwa data telah terdistribusi dengan normal yang mana terlihat bahwa nilai signifikansi diatas 0.05 yaitu sebesar 0.785 dan nilai Kolmogorov-Smirnov Z sebesar 0.654. b. Uji Heteroskedastisitas Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas, dan jika variance dari residual satu pengamatan ke pengamatan lain berbeda disebut heteroskedastisitas. Untuk mendeteksi ada atau tidaknya heteroskedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis. 1. Jika pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian Universitas Sumatera Utara 60 menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.9 berikut: Gambar 4.9 Grafik Scatterplot Sumber: Hasil Pengolahan SPSS Mei 2016 Pada grafik scatterplot diatas, terlihat titik-titik menyebar secara acak, serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y sehingga dapat diambil kesimpulan bahwa tidak terdapat gejala heteroskedastisitas pada model regresi yang digunakan. Universitas Sumatera Utara 61 c. Uji Multikolinearitas Uji multikolinearitas dilakukan untuk mengetahui ada atau tidaknya hubungan linear antara variabel independen dalam model regresi dimana prasyarat dalam model regresi adalah tidak adanya multikolinearitas. Pada uji multikolinearitas ini dapat dilihat melalui nilai inflation factor VIF dan Tolerance. Tabel 4.13 Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 79.488 3.108 25.578 .000 ZscoreUMUR 5.573 1.848 .443 3.016 .005 .960 1.042 ZscoreLN.T.ASET -1.497 1.975 -.119 -.758 .453 .840 1.191 ABSUMUR.ASET -2.920 2.424 -.192 -1.205 .236 .813 1.230 a. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan aturan Variance Inflation Factor VIF dan Tolerance, apabila VIF melebihi angka 10 atau Tolerance kurang dari 0.10 maka dinyatakan terjadi gejala multikolinearitas, sebaliknya apabila VIF kurang dari 10 atau Tolerance lebih dari 0.10 maka dinyatakan tidak terjadi gejala multikolinearitas. Dalam penelitian ini data yang digunakan dalam uji multikolinearitas ini adalah data dari variabel independen. Berdasarkan tabel 4.13 diatas diketahui masing-masing nilai VIF berada dibawah 10, dan nilai Tolerance diatas 0.1, maka dapat dipastikan data dari variabel independen tidak terjadi multikolinearitas. Universitas Sumatera Utara 62 d. Uji Autokorelasi Uji autokorelasi dilakukan untuk menguji apakah sebuah model regresi terdapat korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 atau sebelumnya. Jika terjadi korelasi dinamakan ada masalah autokorelasi. Untuk mendeteksi ada atau tidaknya autokorelasi, peneliti menggunakan Durbin-Watson DW test. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Pengambilan keputusan pada asumsi ini memerlukan dua nilai bantu yang diperoleh dari tabel Durbin Watson, yaitu nilai dl dan du untuk K = jumlah variabel bebas dan n = jumlah sampel. Jika nilai DW berada diantara nilai du hingga 4-du, berarti asumsi tidak terjadi autokorelasi terpenuhi. Adapun kriteria dalam penentuan autokorelasi adalah sebagai berikut : 1 Jika Dw Dl atau Dw 4-Dl maka terdapat autokorelasi. 2 Jika Dl Dw Du atau 4-Du Dw 4-Dl maka status autokorelasi tidak dapat dijelaskan inconclusive. 3 Jika Du Dw 4-Du maka tidak terjadi autokorelasi Non Autokorelasi. Tabel 4.14 digunakan untuk melihat nilai Durbin Watson yang didapat dengan menggunakan bantuan SPSS Versi 20. Tabel DW menunjukkan bahwa dengan n = 40, K = 2, maka akan diperoleh nilai dl = 1.3908 dan du = 1.6000 dan 4-du = 4 – 1.6000 Universitas Sumatera Utara 63 = 2.4000.Hasil pengujian autokorelasi dapat dilihat pada tabel berikut: Tabel 4.14 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .504 a .254 .192 11.30321 2.193 a. Predictors: Constant, ABSUMUR.ASET, ZscoreUMUR, ZscoreLN.T.ASET b. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan hasil pengujian di atas diketahui bahwa nilai durbin watson adalah 1.3908 2.193 2.4000 yang berarti tidak terjadi autokorelasi. 4.1.4.2. Uji Hipotesis Hasil regresi linear pengaruh umur perusahaan terhadap audit delay dengan ukuran perusahaan sebagai variabel moderasi ditunjukkan pada Tabel 4.15 berikut: Tabel 4.15 Uji Analisis Regresi dengan Variabel Moderasi Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 79.488 3.108 25.578 .000 ZscoreUMUR 5.573 1.848 .443 3.016 .005 ZscoreLN.T.ASET -1.497 1.975 -.119 -.758 .453 ABSUMUR.ASET -2.920 2.424 -.192 -1.205 .236 a. Dependent Variable: A.DELAY Sumber: Hasil Pengolahan SPSS Mei 2016 Berdasarkan Tabel 4.15 diketahui model regresi sebagai berikut: Universitas Sumatera Utara 64 AUDIT DELAY = 79.488 + 5.573ZscoreUmur – 1.497ZscoreLn.T. Aset – 2.920AbsUmur.Aset + e Dari persamaan regresi tersebut diketahui bahwa variabel ukuran perusahaan sebagai variabel moderasi tidak mampu memoderasi hubungan antara umur perusahaan dengan audit delay karena nilai signifikansinya 0.236 0.05.

4.2. Pembahasan 1.

Pengaruh Profitabilitas dan Umur Perusahaan terhadap Audit Delay Hasil penelitian menunjukkan bahwa secara simultan atau bersama sama seluruh variabel independen yaitu profitabilitas yang diukur menggunakan ROA dan umur perusahaan berpengaruh positif dan signifikan terhadap audit delay. Hasil pengujian signifikansi simultan menunjukkan nilai F hitung sebesar 5.273 3.24 dan nilai signifikansi 0.010 0.05. hasil ini menunjukkan bahwa profitabilitas dan umur perusahaan yang meningkat, akan meningkatkan audit delay. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Lestari 2010 yang menyatakan bahwa profitabilitas berpengaruh terhadap audit delay dan sesuai juga dengan penelitian yang dilakukan oleh Indra 2011 yang menyatakan bahwa umur perusahaan berpengaruh signifikan terhadap audit delay.

2. Pengaruh Profitabilitas terhadap Audit Delay

Hasil penelitian menunjukkan bahwa profitabilitas tidak berpengaruh signifikan terhadap audit delay. Hasil penelitian ini ditunjukkan oleh nilai t hitung sebesar -0.065 1.685 dan signifikansi 0.949 0.05. hasil penelitian ini menunjukkan bahwa peningkatan profitabilitas tidak berpengaruh terhadap audit Universitas Sumatera Utara 65 delay. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Rachmawati 2008 yang menyatakan bahwa variabel profitabilitas tidak mempunyai pengaruh terhadap audit delay. Hasil penelitian ini menunjukkan bahwa besar kecilnya profitabilitas perusahaan tidak akan memengaruhi seberapa lama perusahaan menampilkan laporan tahunannya.

3. Pengaruh Umur Perusahaan terhadap Audit Delay